近日，凡卓资本合伙人王梦菲应邀出席极新AIGC行业峰会，与深演智能副总裁曹玉骥在会上进行了题为《AI+数字营销的产业化升级之路》的对谈。重点分享了未来AI技术在数字营销行业落地的途径、痛点以及纾难之法。两位的对谈环环相扣、节奏紧密，现场掌声频频。
对谈当中重点提到以下几点：
“用人工智能的方式来做营销”
“大模型解决复杂问题，小模型解决简单问题”
“企业最终为价值而非技术工具买单”
“三看——看自己，看客户，看市场”
“产业整合、巩固优势”
以下内容为王梦菲与曹玉骥对谈原文：
企业业务智能化的升级历程
王梦菲：曹总你好，非常开心有机会能跟曹总一起探讨AI+数字营销的产业化升级之路。我先问曹总一个问题，从品友互动到深演智能，企业业务智能化升级经历了怎样的过程？
曹玉骥：谢谢梦菲。从2009年加入品友互动一直到现在的深演智能，我们一直在做品牌升级。我当初之所以加入品友互动是因为创始人的一句话特别打动我——用人工智能的方式来做营销。2009年会觉得这是个虚无缥缈的梦，业内大部分人以及品牌都不会相信这一观点，但我们还是一直秉持着这一理念坚持做下来，所以品友互动的涵义是做品牌的朋友，帮助品牌做好营销业务，同时也让消费者和品牌建立起良好的朋友关系。
起初，品友互动的业务只是简单地使用智能化的方式在公域投放广告。当时国内人工智能的基础很薄弱，大数据也还没有出现，所以基于企业理念，我们一开始做了人群类目数据库，即用不同的标签描述个体，因此可以按照不同的标签进行投放，而且这一数据库是开放的。
后来，品牌也在逐步蜕变，从一开始只会进行粗放的投放营销，到慢慢地能够筛选标签进行定向投放，再往后我们的职能就变成辅助品牌方完成KPI，也就顺理成章地将算法引入到营销领域，然后越来越多品牌发现数据资产的重要性，基于品牌自有数据以及投放中所积累的数据萌生了自构人工智能平台辅助营销的想法，于是智能化数字营销成了注定的大趋势。
所以品友互动也进行了品牌升级，迭代为深演智能。深演智能的名称表达的是我们的决心，就是营销决策智能化已然是大势所趋，其次也告诉市场我们已步入智能领域的节奏。所以我们也比较自豪，因为在不管是forrester 还是IDC，以及 Martech 和 AD-tech 等领域，深演智能在中国乃至亚太地区排名是比较领先的。
大模型对数字营销助力几何？
王梦菲：感谢曹总的分享。营销和企业业务增长息息相关，企业也愿意在这一板块进行资金投入，所以可以说营销领域确实是见证了从互联网到大数据再到人工智能的技术迭代与生态演化过程。而今天，我们又站在了大模型带来的技术迭代关口，那您认为大模型对数字营销到底是否真的会有所助力，或者说更多的是一个期许？因为数字营销并不是一个从零开始、百废待兴的行业，营销领域已经有很多小模型、大数据的积累，可以说已经达到了80分甚至90分的水平，那大模型的到来能为这一分数带来多少加成？
曹玉骥：梦菲提的问题特别好。大模型爆火到现在，整个行业都在不断地实践。我们实践发现，大模型有大模型的优点，小模型有小模型的存在价值。
大模型的优点在于自动内容生成，比如创意生成、社交媒体投放文案以及客户的campaign策略和投放策略等环节，都可以使用大模型来实现自动化产出。而微观上，广告效果优化的的演化趋势是大模型与小模型相结合。
在数字营销领域，最早只需采用逻辑回归的技术，到后来需要加入因式分解步骤再到后面开始采用自动化模式learning，甚至会用到一些深度神经网络等等。但是广告存在特殊性，虽然它也会积累相当多的数据，但并非所有维度的数据都很丰富，需要在其中找到平衡点。投放过程中的决策时间非常短，短到可能只有几毫秒，所以在某些细分领域或者细分场景，小模型会更适用，因为它解决的是简单直接的问题，而大模型则更适合解决复杂问题。比如当我们能够对创意内容打上更多维度的标签，加入更多内容特征时，用大模型会取得更好的结果。
大模型与小模型之间的差异点还在于，在迭代过程当中，大模型没有办法完全靠人工参与做调优，因为大模型是一个黑盒，没办法把它变成透明化的白盒让品牌理解；而小模型则可以允许人工规则的存在，也即允许人来做特征工程。
王梦菲：我也认为在未来很长一段时间内大模型与小模型的结合会是相对最优解。一方面考虑到成本问题；另一方面如您所说，大模型解决复杂问题，小模型解决简单问题。但是小模型更强的可控性会增加一定的人工成本，而大模型毕竟是经过预训练的，且边界比较广泛，对于一些快速变化趋势的捕捉反应速度会更快，这一方面我认为是大模型的另一个优势。
曹玉骥：没错，成本也很重要，我们需要在人工成本与大模型的计算成本里找一个平衡点。
AI技术如何落地？
王梦菲：就我个人在企业服务方面的经验而言，产品的最终能否落地在于企业是否买单，而且企业最终是为结果买单而不是为技术买单，所以如何将AI技术转化成一个行之有效产品，是今天所有创新创业者共同努力的方向。
曹玉骥：没错。如果是在ToC 场景讨论AI产品的落地性会比较简单，因为衡量标准只在于客户用不用，其使用深度如何、客户粘性如何，然后进行相应的产品迭代升级，或者开辟收费模式等等。但是在ToB端，大部分客户的最终诉求是结果，即AI技术产品是否能为企业带来价值，如果有价值，请证明价值。企业最终是为价值买单，而不是为单纯的技术工具买单。
当然还有一种可能性是工具足够便宜的时候就能够捕获海量的ToB客户，让他们能够用极低的成本使用AI技术工具，而那则是另外一种商业模式。这是一个取舍的过程，关键在于是否能够把AI技术产品的价格降下来；如果不能降价格，那就只能拥抱大客户市场，为结果负责。
王梦菲：所以价值感知也是需要考虑的问题，以及如何将效果量化。从这一角度来说，营销是一个相对容易衡量商业化的场景。
曹玉骥：没错。无论是互联网还是算法或者是人工智能等新技术，在营销领域的落地是最容易的，因为它能够形成自闭环，这非常重要。第一，能够验证自身价值，例如用人工智能和用算法做的营销相比，效果提升如何；第二，对于自我学习的大模型来说，结果反馈过程很比其他行业更快，因为它有数据反馈、数据闭环。例如以电商为服务对象，其自闭环的时间可能就是分秒级的，这对于模型迭代来说非常重要。所以营销是所有行业里面价值可见性最高的环节。
看自己，看客户，看市场
王梦菲：所以资本市场现在也在关注数字营销，尤其是在人工智能营销领域，所以大家又开始“卷起来”了。同样，上一代的智能营销也很卷，从广告投放到各类优化服务，会存在同质竞争的问题。中国有太多聪明的企业家、创业者，所以竞争很激烈，这里几乎是红海市场。而今天大模型发展趋势的确定性很强，所以很多创业者选择的赛道可能都趋近相同，您怎么看待这个问题？
曹玉骥：这是创业普遍存在的问题。一旦新机会出现，立马会有很多人蜂拥而至去争夺同一个项目，这是行业生态的问题。而另一种商业模式则会把一个生意链拆解得很细，每一个链条当中的两三家公司将自己的业务做好做精，所以每一个公司都能找到自己的定位点。
就像我们刚才提到的“对最后的结果负责”，很多企业在时间的过程中会发现自己单打独斗有难度，所以要么就会往大而全的方向发展，要么就直接照搬其他企业的成功经验，但是这两条路径的产出比较难。
现在创业成本逐渐降低，但越是这时候，创业者越需要擦亮眼睛，稳住心态。我的建议是三看——看自己，看客户，看市场。看自己的核心竞争力，看自己与别人的差异点在哪里，看行业内已经成熟的公司，尝试与其合作。因为我们深演智能做营销也要靠闭环，但是有很多的事情并非都是亲力亲为，而是选择交给生态伙伴。完全靠自己承担全链条项目，企业体量会很重、周期会很长，负重前行非常不容易。现在有很多头部公司会有很多细分业务，每个业务找到相应链条上的头部公司合作，是比较理性的做法。
所以我觉得创业者行动之前要把自己剖析清楚，把行业、把市场剖析清楚，再往下一步走。
王梦菲：曹总说得特别有道理，尤其在资本市场比较冷静的环境下，创业者修内功会变得更加重要。可能前几年的融资比较容易，所以大家对技术的敬畏感会差一点，很多时候都是在一个圈子里竞争，所以其实钱都花在了重复造轮子的事情上。但今天大家的认知会更加冷静一些，明白平台和生态是巨头要去做的，创业公司要做的是找好点、垒高墙，然后加入生态与伙伴互利共赢。
曹玉骥：资本的推动会让生态变得更好，比如资方可以将行业链条里面稀缺的部分告诉创业者，以此去填补市场空白、整合资源。您怎么看待？
王梦菲：从我们借鉴海外的经验来说，ToB的科技公司进行并购整合是非常常见的。因为每一个垂类产品都有自身的壁垒，包括技术产品迭代的时间壁垒也很重要，这不是一蹴而就的。当然假设一个企业有足够多的钱、足够多的时间，它就什么都能做，但假设是不存在的。
所以今天越来越多的资本方不愿意把钱投在加重同质化竞争的行业当中，而是去做产业整合、巩固优势的动作。当然万事都是先有点、再成线、再成面，现在肯定是还在成点的过程中，需要挖掘一些优势企业，带出爆款的应用，由此积累起客户池，然后才能够由点到线到面地形成产品矩阵。
好，那么本次对谈分享环节就到这里，谢谢大家。
